在 numpy 中附加 3d 数组

Question

我试图在图像中找到主要颜色，然后确定最主要的颜色。但是我在数据类型方面遇到了麻烦。 我的公式给出了最主要的颜色：

color=[10,10,10] # type=numpy.ndarray ,uint8

但是当我尝试转换它时它给出了断言错误：

color=cv2.cvtColor(color, cv2.COLOR_BGR2HSV) #gives assertion error

cv2.cvtColor 想要作为输入的是：

color_ideal=[[[ 10, 10, 10 ]]]  #type=numpy.ndarray, uint8

为了获得它，我设法像这样操纵颜色：

color=np.uint8(np.atleast_3d(clr).astype(int).reshape(1,1,3))

这似乎可行，但知道我不能将多种颜色附加到 numpy 数组。不知何故，附加维度后，维度减少到 1。我的代码是：

    color=np.uint8([[[]]])

    for item in clt.cluster_centers_:
       color=np.append(color,(np.uint8(np.atleast_3d(item).astype(int).reshape(1,1,3))))
#returns: color=[10,10,10] somehow its dimension is down to 1

我的问题是：

1-如何在不丢失维度的情况下正确附加颜色数据？

2-有没有更简单的方法来处理这个问题？我很惊讶操作自定义颜色像素有多么困难。

完整的代码在这里以防万一：

<!-- language: lang-py -->


    import cv2
    import numpy as np
    from sklearn.cluster import KMeans 

    def find_kmean_colors(img,no_cluster=2):
        clt = KMeans(no_cluster).fit(img)

        return clt
    def initialize(img='people_frontal.jpg'):
        img=cv2.imread('people_frontal_close_body.jpg')
        img=cv2.bilateralFilter(img,9,75,75)
        return img


    img=initialize()

    img_hsv =cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

    img_list= img.reshape((img.shape[0] * img_hsv.shape[1], 3))

    clt=(find_kmean_colors(img_list,1))


    color=np.uint8([[[]]])

    for i in clt.cluster_centers_:
        color=np.append(color,(np.uint8(np.atleast_3d(i).astype(int).reshape(1,1,3))))

    #color=np.uint8(np.atleast_3d(clt.cluster_centers_).astype(int).reshape(1,1,3))

    up=cv2.cvtColor(color,cv2.COLOR_BGR2HSV)

Answer 1

没有cv2 代码，我在这里猜测形状。但看起来 img 是一个 (n,m,3) 数组。 img_list 是 (m1,3)，clt 是 m1 项目的列表，clt.cluster_centers_ 是形状为 (3,) 的 m1 数组的列表。

为了测试，让我们创建一个列表列表（它也可以是一个数组列表）：

ctrs=[[10,10,10], [3,5,3], [20,10,10], [0,0,0]]
color = np.array(ctrs,dtype=np.uint8)  # (4,3) array
color = color.reshape(len(ctrs),1,3)

只需将其包裹在np.array 中，然后重塑为 3d。

array([[[10, 10, 10]],
       [[ 3,  5,  3]],
       [[20, 10, 10]],
       [[ 0,  0,  0]]], dtype=uint8)

或者它可以重新整形为 (1,4,3) 或 (2,2,3)。

或者更接近你正在尝试的：

np.concatenate([np.array(i,np.uint8).reshape(1,1,3) for i in ctrs])

您不想在这里使用atleast_3d，因为它将 (N,) 数组重塑为 (1,N,1)（请参阅其文档）。 np.concatenate 在第一个轴上加入，np.array 添加第一个维度然后加入。

您可能可以让append 工作，但它只是逐步连接，速度较慢。一般来说，如果你需要追加，用列表来做，然后在最后转换为数组。

---

切片后有多种方法可以保留或恢复尺寸。如果color 是 3d 并且您需要第 i 行也为 3d：

color[[i]]
color[i].reshape(1,...)
color[i][np.newaxis,...]

像这样的重塑操作不会显着增加处理时间，所以不要害怕使用它们。